CursosEmpresasBlogLiveConfPrecios

¿Cómo continuar practicando?

Clase 17 de 17 • Curso de Manejo de Datos Faltantes: Imputación

Clase anteriorSiguiente clase

Contenido del curso

Problemática de valores faltantes
  • 1
    El problema de trabajar con valores faltantes

    El problema de trabajar con valores faltantes

    10:56
  • 2
    Proceso de análisis y limpieza de datos

    Proceso de análisis y limpieza de datos

    13:19
  • 3
    Visualizar y eliminar valores faltantes

    Visualizar y eliminar valores faltantes

    08:19
  • 4
    Implicaciones de los distintos tipos de valores faltantes

    Implicaciones de los distintos tipos de valores faltantes

    09:43
  • 5
    Amplía tu conjunto de herramientas para explorar valores faltantes

    Amplía tu conjunto de herramientas para explorar valores faltantes

    11:55
  • 6
    Tratamiento de variables categóricas para imputación: codificación ordinal

    Tratamiento de variables categóricas para imputación: codificación ordinal

    15:59
  • 7
    Tratamiento de variables categóricas para imputación: one-hot encoding

    Tratamiento de variables categóricas para imputación: one-hot encoding

    12:51
  • 8
    Métodos de imputación de valores faltantes

    Métodos de imputación de valores faltantes

    04:41
Imputación basada en el donante
  • 9
    Imputación por media, mediana y moda

    Imputación por media, mediana y moda

    10:22
  • 10
    Imputación por llenado hacia atrás y hacia adelante

    Imputación por llenado hacia atrás y hacia adelante

    09:20
  • 11
    Imputación por interpolación

    Imputación por interpolación

    11:46
  • 12
    Imputación por KNN

    Imputación por KNN

    04:34
  • 13
    Imputación por KNN en Python

    Imputación por KNN en Python

    12:01
Imputación basada en modelos
  • 14
    Introducción a la imputación basada en modelos

    Introducción a la imputación basada en modelos

    13:27
  • 15
    Imputaciones Múltiples por Ecuaciones Encadenadas (MICE)

    Imputaciones Múltiples por Ecuaciones Encadenadas (MICE)

    13:05
Conclusión
  • 16
    Transformación inversa de los datos

    Transformación inversa de los datos

    07:07
  • 17
    ¿Cómo continuar practicando?

    ¿Cómo continuar practicando?

    03:09
    Alfonso Andres Zapata Guzman

    Alfonso Andres Zapata Guzman

    student•
    hace 3 años

    Buen curso, al fin voy a poder arreglar el proyecto de los pinguinos analizando con los valores faltantes sin eliminarlos.


    Se que han añadido varios cursos de sklearn este mes, pero igual hago la solicitud de un curso de auto-sklearn.

      Alfonso Andres Zapata Guzman

      Alfonso Andres Zapata Guzman

      student•
      hace 3 años

      La pregunta: ¿Qué significa cuantificar la correlación de nulidad?

      las opciones estan mal formuladas ya que solo cambia la palabra "tan" por "tanto" de una a otra opcion, y a menos que sea una pregunta de lenguaje español, en la que hay que seleccionar la que cuente con buena gramatica, entonces estara erronea.

    Esteban Navarro Díaz

    Esteban Navarro Díaz

    student•
    hace 3 años

    Podrían recomendarme algún libro sobre imputación de datos con sklearn?

      Jeinfferson Bernal G

      Jeinfferson Bernal G

      student•
      hace 3 años

      x2

    Jorge Andres Avendano Carabali

    Jorge Andres Avendano Carabali

    student•
    hace 2 años

    test answers Resumen 1. ¿Qué es la imputación de valores faltantes?

    Estimar los valores ausentes con base en los valores válidos de otras variables y/o casos de muestra o modelos. 2. ¿Cuál de las siguientes afirmaciones NO es una implicación de los datos Missing Completely At Random (MCAR)?

    La imputación es necesaria. 3. ¿Cuál de las siguientes afirmaciones SÍ es una implicación de los datos Missing At Random (MAR)?

    Todas las opciones son correctas. 4. ¿Cuál de las siguientes afirmaciones SÍ es una implicación de los datos Missing Not At Random (MNAR)?

    Todas las opciones son correctas. 5. Después de examinar tus datos con valores faltantes, tus colegas te sugieren mejorar tu diseño experimental o realizar un análisis de sensibilidad. ¿Qué tipo de mecanismo de valores faltantes creen que actúa sobre tus datos? MNAR 6. ¿Qué es la codificación ordinal?

    Una codificación ordinal implica mapear cada etiqueta (categoría) única a un valor entero. 7. Una vez ajustamos y transformamos nuestros datos con codificador, podemos hacer uso de su atributo ____ para obtener las categorías únicas de nuestro conjunto de datos.

    encoder.get_categories()

    REPASAR CLASE 8. ¿Cuál es una ventaja de realizar one-hot encoding utilizando sklearn en lugar de Pandas?

    Realizar one-hot encoding puede llegar a ser más robusto debido a que guarda la información necesaria de las categorías involucradas e incluye una forma de realizar transformaciones inversas. 9. ¿Cuándo utilizarías una codificación one-hot en lugar de una codificación ordinal?

    Cuando mis variables categóricas no tienen un orden natural.

    ¿Qué son las imputaciones basadas en donantes? Completa los valores que faltan para una unidad dada copiando los valores observados de otra unidad, el donante. 11. ¿Cuáles son las imputaciones basadas en modelos?

    Encuentran un modelo predictivo para cada variable objetivo en el conjunto de datos que contiene valores faltantes.

    ¿Por cuál de las siguientes razones podrías utilizar la imputación por media, mediana y moda?

    Todas las opciones son correctas. 13. ¿Cuál de las siguientes afirmaciones NO es una desventaja de la imputación por llenado hacia atrás y hacia adelante?

    Relaciones multivariables pueden ser distorsionadas. 14. Al realizar una imputación por llenado hacia atrás y hacia adelante, existen trucos que pueden ayudarte a enfrentar el problema de que las relaciones multivariables puedan ser distorsionadas. ¿Cuál de las siguientes opciones NO es uno de estos trucos?

    Realizar una imputación con dominios creados completamente al azar. 15. ¿Cuál de las siguientes afirmaciones es una desventaja de la imputación por interpolación?

    Puede introducir valores fuera de rango. 16. ¿Cuál de las siguientes afirmaciones NO es una desventaja de la imputación por K-vecinos más cercanos (KNN)?

    Buen rendimiento con conjuntos de datos pequeños. 17. El algoritmo de imputación por K-vecinos más cercanos (KNN) es un método de imputación con base en modelos. Esto es:

    Falso, es basada en donante.

    Necesitas cuantificar la distancia únicamente entre variables numéricas. ¿Cuál de las siguientes métricas de distancia podría ser más útil?

    Manhattan REPASAR CLASE 19. Necesitas cuantificar la distancia únicamente entre variables categóricas ordinales (tipo factor). ¿Cúal de las siguientes métricas de distancia podría ser más útil?

    Manhattan 20. Necesitas cuantificar la distancia únicamente entre variables categóricas sin un orden natural. ¿Cuál de las siguientes métricas de distancia podría ser más útil?

    Hamming 21. Necesitas cuantificar la distancia entre variables de distintos tipos (númericas, categóricas). ¿Cuál de las siguientes métricas de distancia podría ser más útil?

    Gower 22. Dependiendo del software utilizado, algunos algoritmos pueden o no ordenar las variables de acuerdo a su valor de faltantes. ¿Cómo podría afectar esto a los resultados de la imputación? La imputación podría estar sesgándose debido a utilizar estimados provenientes de variables con alta cantidad de valores faltantes en lugar de variables con baja o nula cantidad de valores faltantes. 23. ¿Cuál de las siguientes afirmaciones es una ventaja de la imputación con base en modelos?

    Todas las opciones son correctas. 24. ¿Cuál de las siguientes afirmaciones es una desventaja de Imputaciones Múltiples por Ecuaciones Encadenadas (MICE)?

    Para funcionar bien necesitas pensar en el modelo de imputación y el modelo de análisis.

    ¿La siguiente frase es verdadera o falsa?

    Realizar transformaciones a tus datos es un paso fundamental en cada análisis. Por ejemplo, cambio de escalas, cambio de codificaciones, entre otras. No obstante, siempre es útil regresar los datos a su estado natural, ya sea para continuar explorando o comunicar los resultados de forma original.

    Verdadera Ver menos

    Brayam Esparza

    Brayam Esparza

    student•
    hace 3 años

    la pregunta 14 del examen está al revez, creo que preguntaba sobre una No ventaja y preguntaron sobre una No desventaja, buen cursó felicidades.

      José Rodrigo Arana Hi

      José Rodrigo Arana Hi

      student•
      hace 2 años

      A veces, con el fin de hacer preguntas capciosas, hasta ellos mismos se confunden. Lo he visto ya en varios exámenes.

    Jeinfferson Bernal G

    Jeinfferson Bernal G

    student•
    hace 3 años

    Uno de los mejores cursos que he visto. Muy productivo. Con mucha informacion practica. Excelente profesor

    Paolo Joaquin Pinto Perez

    Paolo Joaquin Pinto Perez

    student•
    hace 3 años

    Realiza un proyecto

    Captura de Pantalla 2023-05-22 a la(s) 23.47.42.png
    Andres Sanchez

    Andres Sanchez

    student•
    hace 2 años

    17. ¿Cómo continuar practicando?

    Conclusiones

    • Aprendiste que trabajar con valores faltantes representa un trabajo con tratamiento especial.
    • Conociste las consideraciones al trabajar con los distintos tipos de valores faltantes (MCAR,MAR Y MNAR).
    • Lograste explorar los tipos de valores faltantes a través de visualizaciones y pruebas estadísticas nuevas.
    • Aprendiste a tratar valores categóricos al momento de realizar imputaciones.
    • Lograste identificar los distintos tipos de imputación de valores faltantes: con base en donantes y modelos.
    • Realizaste múltiples imputaciones a través de distintos algoritmos.
    • Entendiste las ventajas y desventajas de cada herramienta de imputación.
    Yonatan Alvarez Higuita

    Yonatan Alvarez Higuita

    student•
    hace 3 años

    Buen curso, muchas gracias!

    Giocrisrai Godoy Bonillo

    Giocrisrai Godoy Bonillo

    student•
    hace 3 años

    Sin lugar a dudas de los mejores cursos y más útiles dentro de la carrera profesional

    Emmanuel Guerra Sánchez

    Emmanuel Guerra Sánchez

    student•
    hace un año

    Con esta trilogía de cursos, voy a empezar a hacer proyectos para mi portafolio, gracias Jesús

    Daniel Rodriguez

    Daniel Rodriguez

    student•
    hace un año

    Aplaudo que nos hallan propuesto un proyecto!!! Muchas gracias, exelente curso!

    Edgar A. Gonzalez Ambriz

    Edgar A. Gonzalez Ambriz

    student•
    hace 2 años

    Muy buen curso, un poco pesado sí. No pensé que hubiera tanta información para el tratamiento de los valores faltantes, lo cual me sorprendió

    David Betancur Gaviria

    David Betancur Gaviria

    student•
    hace 2 años

    Excelente curso. Nunca había pensado qué tan técnico era el manejo de valores faltantes, pues no sólo es excluirlas del análisis.

    Julián Cárdenas

    Julián Cárdenas

    student•
    hace 2 años

    Buen docente y buen curso 👏

    Juan Jose Ramirez Lopez

    Juan Jose Ramirez Lopez

    student•
    hace 2 años

    Necesitamos un curso de Janitor!

    José Rodrigo Arana Hi

    José Rodrigo Arana Hi

    student•
    hace 2 años

    Tremendo curso, sin duda el tema de missing values e imputaciones son todo un mundo aparte.

    Nixon Rolando García Ramírez

    Nixon Rolando García Ramírez

    student•
    hace 3 años

    M egusto mucho el curso, y lo considero de los mas importantes, ya que los valores faltantes son algo del dia a dia y muy dificeles de llevar si no se sabe como.

Escuelas

  • Desarrollo Web
    • Fundamentos del Desarrollo Web Profesional
    • Diseño y Desarrollo Frontend
    • Desarrollo Frontend con JavaScript
    • Desarrollo Frontend con Vue.js
    • Desarrollo Frontend con Angular
    • Desarrollo Frontend con React.js
    • Desarrollo Backend con Node.js
    • Desarrollo Backend con Python
    • Desarrollo Backend con Java
    • Desarrollo Backend con PHP
    • Desarrollo Backend con Ruby
    • Bases de Datos para Web
    • Seguridad Web & API
    • Testing Automatizado y QA para Web
    • Arquitecturas Web Modernas y Escalabilidad
    • DevOps y Cloud para Desarrolladores Web
  • English Academy
    • Inglés Básico A1
    • Inglés Básico A2
    • Inglés Intermedio B1
    • Inglés Intermedio Alto B2
    • Inglés Avanzado C1
    • Inglés para Propósitos Específicos
    • Inglés de Negocios
  • Marketing Digital
    • Fundamentos de Marketing Digital
    • Marketing de Contenidos y Redacción Persuasiva
    • SEO y Posicionamiento Web
    • Social Media Marketing y Community Management
    • Publicidad Digital y Paid Media
    • Analítica Digital y Optimización (CRO)
    • Estrategia de Marketing y Growth
    • Marketing de Marca y Comunicación Estratégica
    • Marketing para E-commerce
    • Marketing B2B
    • Inteligencia Artificial Aplicada al Marketing
    • Automatización del Marketing
    • Marca Personal y Marketing Freelance
    • Ventas y Experiencia del Cliente
    • Creación de Contenido para Redes Sociales
  • Inteligencia Artificial y Data Science
    • Fundamentos de Data Science y AI
    • Análisis y Visualización de Datos
    • Machine Learning y Deep Learning
    • Data Engineer
    • Inteligencia Artificial para la Productividad
    • Desarrollo de Aplicaciones con IA
    • AI Software Engineer
  • Ciberseguridad
    • Fundamentos de Ciberseguridad
    • Hacking Ético y Pentesting (Red Team)
    • Análisis de Malware e Ingeniería Forense
    • Seguridad Defensiva y Cumplimiento (Blue Team)
    • Ciberseguridad Estratégica
  • Liderazgo y Habilidades Blandas
    • Fundamentos de Habilidades Profesionales
    • Liderazgo y Gestión de Equipos
    • Comunicación Avanzada y Oratoria
    • Negociación y Resolución de Conflictos
    • Inteligencia Emocional y Autogestión
    • Productividad y Herramientas Digitales
    • Gestión de Proyectos y Metodologías Ágiles
    • Desarrollo de Carrera y Marca Personal
    • Diversidad, Inclusión y Entorno Laboral Saludable
    • Filosofía y Estrategia para Líderes
  • Diseño de Producto y UX
    • Fundamentos de Diseño UX/UI
    • Investigación de Usuarios (UX Research)
    • Arquitectura de Información y Usabilidad
    • Diseño de Interfaces y Prototipado (UI Design)
    • Sistemas de Diseño y DesignOps
    • Redacción UX (UX Writing)
    • Creatividad e Innovación en Diseño
    • Diseño Accesible e Inclusivo
    • Diseño Asistido por Inteligencia Artificial
    • Gestión de Producto y Liderazgo en Diseño
    • Diseño de Interacciones Emergentes (VUI/VR)
    • Desarrollo Web para Diseñadores
    • Diseño y Prototipado No-Code
  • Contenido Audiovisual
    • Fundamentos de Producción Audiovisual
    • Producción de Video para Plataformas Digitales
    • Producción de Audio y Podcast
    • Fotografía y Diseño Gráfico para Contenido Digital
    • Motion Graphics y Animación
    • Contenido Interactivo y Realidad Aumentada
    • Estrategia, Marketing y Monetización de Contenidos
  • Desarrollo Móvil
    • Fundamentos de Desarrollo Móvil
    • Desarrollo Nativo Android con Kotlin
    • Desarrollo Nativo iOS con Swift
    • Desarrollo Multiplataforma con React Native
    • Desarrollo Multiplataforma con Flutter
    • Arquitectura y Patrones de Diseño Móvil
    • Integración de APIs y Persistencia Móvil
    • Testing y Despliegue en Móvil
    • Diseño UX/UI para Móviles
  • Diseño Gráfico y Arte Digital
    • Fundamentos del Diseño Gráfico y Digital
    • Diseño de Identidad Visual y Branding
    • Ilustración Digital y Arte Conceptual
    • Diseño Editorial y de Empaques
    • Motion Graphics y Animación 3D
    • Diseño Gráfico Asistido por Inteligencia Artificial
    • Creatividad e Innovación en Diseño
  • Programación
    • Fundamentos de Programación e Ingeniería de Software
    • Herramientas de IA para el trabajo
    • Matemáticas para Programación
    • Programación con Python
    • Programación con JavaScript
    • Programación con TypeScript
    • Programación Orientada a Objetos con Java
    • Desarrollo con C# y .NET
    • Programación con PHP
    • Programación con Go y Rust
    • Programación Móvil con Swift y Kotlin
    • Programación con C y C++
    • Administración Básica de Servidores Linux
  • Negocios
    • Fundamentos de Negocios y Emprendimiento
    • Estrategia y Crecimiento Empresarial
    • Finanzas Personales y Corporativas
    • Inversión en Mercados Financieros
    • Ventas, CRM y Experiencia del Cliente
    • Operaciones, Logística y E-commerce
    • Gestión de Proyectos y Metodologías Ágiles
    • Aspectos Legales y Cumplimiento
    • Habilidades Directivas y Crecimiento Profesional
    • Diversidad e Inclusión en el Entorno Laboral
    • Herramientas Digitales y Automatización para Negocios
  • Blockchain y Web3
    • Fundamentos de Blockchain y Web3
    • Desarrollo de Smart Contracts y dApps
    • Finanzas Descentralizadas (DeFi)
    • NFTs y Economía de Creadores
    • Seguridad Blockchain
    • Ecosistemas Blockchain Alternativos (No-EVM)
    • Producto, Marketing y Legal en Web3
  • Recursos Humanos
    • Fundamentos y Cultura Organizacional en RRHH
    • Atracción y Selección de Talento
    • Cultura y Employee Experience
    • Gestión y Desarrollo de Talento
    • Desarrollo y Evaluación de Liderazgo
    • Diversidad, Equidad e Inclusión
    • AI y Automatización en Recursos Humanos
    • Tecnología y Automatización en RRHH
  • Finanzas e Inversiones
    • Fundamentos de Finanzas Personales y Corporativas
    • Análisis y Valoración Financiera
    • Inversión y Mercados de Capitales
    • Finanzas Descentralizadas (DeFi) y Criptoactivos
    • Finanzas y Estrategia para Startups
    • Inteligencia Artificial Aplicada a Finanzas
    • Domina Excel
    • Financial Analyst
    • Conseguir trabajo en Finanzas e Inversiones
  • Startups
    • Fundamentos y Validación de Ideas
    • Estrategia de Negocio y Product-Market Fit
    • Desarrollo de Producto y Operaciones Lean
    • Finanzas, Legal y Fundraising
    • Marketing, Ventas y Growth para Startups
    • Cultura, Talento y Liderazgo
    • Finanzas y Operaciones en Ecommerce
    • Startups Web3 y Blockchain
    • Startups con Impacto Social
    • Expansión y Ecosistema Startup
  • Cloud Computing y DevOps
    • Fundamentos de Cloud y DevOps
    • Administración de Servidores Linux
    • Contenerización y Orquestación
    • Infraestructura como Código (IaC) y CI/CD
    • Amazon Web Services
    • Microsoft Azure
    • Serverless y Observabilidad
    • Certificaciones Cloud (Preparación)
    • Plataforma Cloud GCP

Platzi y comunidad

  • Platzi Business
  • Live Classes
  • Lanzamientos
  • Executive Program
  • Trabaja con nosotros
  • Podcast

Recursos

  • Manual de Marca

Soporte

  • Preguntas Frecuentes
  • Contáctanos

Legal

  • Términos y Condiciones
  • Privacidad
  • Tyc promociones
Reconocimientos
Reconocimientos
Logo reconocimientoTop 40 Mejores EdTech del mundo · 2024
Logo reconocimientoPrimera Startup Latina admitida en YC · 2014
Logo reconocimientoPrimera Startup EdTech · 2018
Logo reconocimientoCEO Ganador Medalla por la Educación T4 & HP · 2024
Logo reconocimientoCEO Mejor Emprendedor del año · 2024
De LATAM conpara el mundo
YoutubeInstagramLinkedInTikTokFacebookX (Twitter)Threads